《麻省理工科技评论》发布十大AI关键趋势：AI诈骗已经防不胜防


‍‍‍

上周，著名的《麻省理工科技评论》发布了当下影响AI的十个关键趋势。1月份的时候，我也在广播站里和你分享过它发布的2026年十大突破性技术榜单。

而今天这份榜单是他们在全新视角下，梳理的当今推动进步或改变权力格局的人工智能大创意、趋势和新进展，这些都将塑造未来的可能性。

此前的榜单，重点在讲AI能做什么，核心是AI的能力已经达到什么程度；而这份榜单在讲AI正在造成什么，重点是AI已经在哪些领域造成了深远影响。这个变化，比榜单上任何一条都值得先说。

今天，我们请AI学习圈主理人快刀青衣老师，把这10条挨个给你梳理一遍，先从最直接影响普通人的几条说起。
作者：快刀青衣
来源：得到App《AI学习圈》

第一条，AI诈骗已经是一场“军备竞赛”。
这条我觉得最该让所有人知道。现在的AI诈骗，不是那种你一眼能识破的垃圾短信。攻击方可以用AI生成高度个性化的钓鱼邮件，配上你的名字、公司，甚至你老板的声音和语气；可以一键生成以假乱真的深度伪造视频；还能自动扫描系统漏洞，批量锁定目标发起攻击。
防守方当然也没闲着。Anthropic的模型Mythos此前在测试中展现出极强的漏洞挖掘能力，发现了数千个主流系统的零日漏洞，公司因此推迟了模型发布，还联合多家科技公司成立了名为“Project Glasswing”的防御联盟。
微软的AI系统每天要筛查100万亿条安全信号，用于威胁检测与欺诈预判。注意，是每天、100万亿。从2024年4月到2025年4月，这套系统就拦截了40亿美元的诈骗与欺诈交易。
但真正让人不安的不是这些数字，而是这场游戏的结构：攻守双方都在用AI，都在以同样的速度武装自己，没有一方能真正甩开另一方。
这不是“AI帮你识别诈骗”那么乐观，而是一场没有终点的军备竞赛，普通用户永远站在战场中间。你现在收到的每一封邮件、每一条语音、每一个视频，都可能是AI生成的。我不是在吓你，这就是2026年的现实。
我这两天也给大家介绍了OpenAI最强大的生图模型，所以现在我劝大家防人之心不可无，凡是群里或者别人转发给你的图，都应该默认是AI伪造的，涉及公众话题或者个人隐私，就不要转发和传播。
第二条，深度伪造的受害者：“99%是女性”。
这条我看完数据有些吃惊，之前知道AI伪造图片情况严重，但看到具体数据才触目惊心。2023年有研究统计，现存深度伪造内容里98%是色情性质，这些内容中99%的目标是女性。不是大多数，是99%。这个数字背后的意义是，深度伪造技术作为一种武器，几乎专门对准女性。
在Grok开放“图像编辑”功能后，用户已经生成了数百万张个性化图像，其中包括大量女性和儿童。法国非营利组织AI Forensics的一项研究显示，仅Grok生成的图像样本中，就有81%描绘的是女性。
有人会说这是少数人的滥用，但问题在于技术门槛正在趋近于零。以前深度伪造需要一定技术能力，现在点几下鼠标就够了。立法在追赶，但立法节奏远比不上工具更新速度，全球大多数国家还没有专门针对AI合成色情内容的法律。
《麻省理工科技评论》里提到，技术的伤害不成比例地落在女性和边缘群体身上。他们专门把这条单独列出来，不是为了引发恐慌，而是想说明“这不是个别事件，而是一个正在规模化的社会问题”，需要被正视。
第三条，AI抵制浪潮：连教会和工会都联合起来了。
这条是今年榜单里最让我意外的一个。2026年3月，美国发生了一件在政治上几乎不可能的事：共和党、民主党、工会组织、教会，这四拨人在美国政治光谱上几乎完全对立，他们在任何议题上都很难达成一致，这次却联合签署了《以人为本AI宣言》。他们唯一的共同点，就是对AI公司主导未来感到不安。
这种政治上的罕见联合，某种程度上比宣言本身更能说明问题。
这四方联合，有点像武侠小说里本来水火不相容的少林武当、魔教、朝廷六扇门、漕帮、丐帮联合在一起。我印象里，这样的场景会立马想起各大门派去抢金毛狮王谢逊的屠龙宝刀。
19世纪英国政治家帕麦斯顿，在1848年下议院演讲中说过一句名言，放在这里特别合适：“我们没有永恒的盟友，也没有永久的敌人。我们的利益是永恒且长久的，追求这些利益是我们的职责。”顺便说一句，很多文章说这句话是丘吉尔说的，其实丘吉尔只是很喜欢这句话，经常引用而已。
当然，这四方联合也不是只表态不干事，数据很能说明问题。仅2025年第二季度，美国社区就通过各种方式拖延了980亿美元的数据中心建设。而在这个月前不久，山姆·奥特曼的住所还被激进反对者扔了汽油弹。 
不管你怎么看AI，这种程度的社会反弹已经是必须认真对待的现实。技术在加速，它引发的恐惧、愤怒和不信任也在同步加速。我们不必过于恐慌，但也不能忽视。
剩下七条，我也一条不落地给你过一遍，有几条细节挺有意思。
第四条，多智能体协作：白领工作的结构正在被重新设计。
这条和打工人最直接相关，但很多人可能还没感觉到。所谓多智能体协作，简单说就是多个AI分工配合，像一个团队一样完成复杂任务，一个AI负责搜索，一个负责分析，一个负责写报告，互相协调、自动完成。根据麦肯锡的报告，这波浪潮的渗透速度远比想象中快。
2025年只有23%的企业真正在生产环境中完成了多智能体的规模化部署，但同期79%的企业已经在用生成式AI。换句话说，大多数企业已经在用AI，但真正把多个AI协同起来、系统性改造工作流程的还是少数。这个缺口，就是接下来最值得关注的地方。
这就像流水线改写了制造业。流水线出现之前，一个工人负责一件产品从头到尾；流水线出现之后，每个人只负责一个环节，效率彻底改变。多智能体协作对白领工作的冲击，可能就是这个量级。
第五条，人形机器人：硬件不是问题，数据才是。
2025年人形机器人赛道吸引了61亿美元的风险投资，热度不用多说，我们生活中也已经能看到很多机器人上岗。但有个细节很少有人注意，现在制约人形机器人发展的不是机械结构，不是电机，而是数据。
机器人需要海量的人类动作数据才能学会干活。
为了采集这些数据，各地的方式五花八门。美国有配送公司让员工上班时戴动作传感器；中国有专门的训练中心，让人穿着外骨骼加VR头盔，每天重复上百次同样的动作；印度有众包应用，用加密货币换取普通人拍摄的家务视频；尼日利亚和阿根廷的零工也在参与其中。
体力劳动者正在变成数据采集者。数据的积累和变化，才是影响机器人领域发展最重要的因素。
第六条，更强大的大模型：处理能力涨了5000倍。
这条相对技术，但有一个数字值得记一下：AI的“记忆容量”5年涨了大约5000倍。2020年GPT-3能处理大概几页文字；2025年的Llama 4能处理相当于整整一排书架的内容。
这意味着你可以把一整套合同、一整个项目的所有文件、一整年的财务数据，都丢给AI一次性处理。以前AI需要你帮它“分段喂”，现在它可以一口吞下去。MoE、扩散模型这些新技术路径还在继续突破，上限在哪，目前没有人能说清楚。
第七条，世界模型：AI在学习理解三维世界。
据报道，2026年第一季度，5家专注世界模型的初创公司合计估值已经超过250亿美元。
世界模型要解决的问题是：让AI不只是处理文字，而是真正“理解”物理世界的运转规律。比如，重力是什么，物体碰撞会怎样，人手抓东西时力该怎么分配。而这是让机器人和自动驾驶真正好用的基础。
押注这个方向的都不是无名之辈：我在学习圈里介绍过很多次的李飞飞创办的World Labs，AI先驱、图灵奖得主杨立昆创办的AMI Labs，都在这个赛道上。谷歌DeepMind、英伟达、Meta也在内部重金投入，没有对外融资。
说白了，世界模型要解决的是AI从“会说话”到“会干活”的最后一道坎。这道坎迈过去，机器人和自动驾驶才算真正成熟。
第八条，战争里的AI：已经在提建议打哪里。
这条有点沉重，但绕不过去。生成式AI进入军事决策链不是科幻，而是现在正在发生的事。
目前AI在军事上的角色已经从“分析工具”进化到“顾问”，它可以直接为指挥官排列打击目标的优先级，提供战略建议。Claude已经深度融入美军的业务流程，美国政府自己表示，要把它从系统里拔出来需要六个月时间。也就是说，虽然现在OpenAI已经和军方达成合作，但要真正全面替换它，需要半年时间。从这个时间就能看出，军方内部对AI的使用已经非常依赖。
这件事真正让人不安的不是AI会不会出错，而是出了错之后没人知道该找谁负责。这个问题，目前没有任何一个国家给出过答案。
第九条，中国在开源领域的押注：下载量超过其他8家之和。
这条对国内读者来说可能有额外共鸣。阿里的千问在2025年12月单月的Hugging Face下载量，超过了其他8家平台的总和，这8家包括Meta Llama、DeepSeek、OpenAI等。而中国开源模型的全球下载占比达到17.1%，超过美国的15.86%。千问的衍生模型已经超过20万个，支持119种语言和方言。
硅谷的逻辑是用闭源API收费，控制生态。中国的逻辑是用开源模型改写地基，让全球开发者都在我们的模型上构建。这两种策略，正在AI世界里形成两套截然不同的势力版图。
第十条，AI科学家：已经在赢诺贝尔奖了。
2024年，AlphaFold拿了诺贝尔化学奖。这件事的象征意义怎么强调都不过分，AI不是辅助科学家得奖，而是AI本身做出的科学贡献被授予了人类最高荣誉。
2026年4月，OpenAI发布生命科学专用大模型GPT-Rosalind，在RNA预测任务上超越了95%的人类专家。OpenAI还专门组建了“AI for Science”团队，目标是打造“全自动研究员”，不需要人类干预，从提出假设、设计实验到得出结论，全部自己完成。
不过，有一件事值得顺带提一下。虽然AI在科研领域跑得很快，但《Nature》的研究警告：AI会让科研资源更加高度集中在热门问题上，因为AI更擅长处理有大量已有数据的领域。那些冷门但可能同样重要的研究方向，可能会因此被更加忽视。
AI正在加速科学，但它加速的，未必是科学最需要被加速的部分。
你看，AI这两年的演变路径总是出人意料。所有人都在盯着技术能做什么，却没想到“社会反应”这条线跑得这么快、这么猛。现在回过头看，我第一次下载OpenClaw龙虾的时候也没什么特别的感觉，没想到过了一个春节，龙虾居然成了超级现象级产品。这中间的变化，谁能想到呢？

《麻省理工科技评论》原文：https://www.technologyreview.com/2026/04/21/1135643/10-ai-artificial-intelligence-trends-technologies-research-2026/

文章原文